Un chiffre circule, une vidéo affirme qu’une mesure résoudrait un problème, un message présente une explication comme une évidence. L’intelligence artificielle peut aider à examiner ces affirmations rapidement. Elle peut aussi produire une réponse très assurée qui contient une erreur. Pour en tirer parti, il faut lui donner un rôle précis dans une démarche de vérification.

Dans sa chronique, Denys de Béchillon défend l’idée que l’IA peut renforcer l’esprit critique et rendre certaines analyses plus accessibles. Cette possibilité mérite d’être explorée sans transformer l’outil en arbitre incontestable. Le jugement reste un travail : identifier ce qui est affirmé, comprendre les preuves et reconnaître les limites.

Commencer par isoler l’affirmation

Une phrase peut contenir plusieurs propositions. « Cette entreprise a doublé ses ventes, donc sa stratégie est la meilleure » associe un chiffre à une conclusion. Même si le chiffre est exact, la conclusion demande d’autres éléments : période de comparaison, rentabilité, conditions du marché et critères de réussite.

La première demande utile consiste à faire décomposer le message. Quels faits sont avancés ? Quelles hypothèses les relient ? Quelle partie relève d’un jugement ? Cette étape évite de discuter une formule générale dont le sens change au fil de la conversation.

On peut demander à l’outil : « Sépare les faits vérifiables, les hypothèses et les opinions dans cette affirmation. » La réponse fournit un plan de travail. Elle ne constitue pas encore la vérification elle-même.

Retrouver la source plutôt que collectionner les liens

Une référence n’est utile que si elle existe et soutient effectivement l’affirmation. Il faut ouvrir le document, repérer le passage concerné et vérifier sa date. Un lien vers un organisme reconnu peut mener à une page qui ne dit pas ce que le résumé lui attribue.

Les sources doivent aussi correspondre au sujet. Pour un résultat statistique, on cherchera la publication de l’organisme producteur. Pour une règle, le texte officiel et son état d’application. Pour une étude, le travail de recherche et ses limites.

L’IA peut aider à localiser ces documents ou à en expliquer le vocabulaire. Mais il faut conserver la distinction entre le document consulté et le commentaire produit sur ce document. Plusieurs réponses qui répètent la même erreur ne deviennent pas, par accumulation, des confirmations indépendantes.

Vérifier les unités, les dates et les comparaisons

Beaucoup de raisonnements trompeurs reposent sur des éléments exacts mal rapprochés. Une hausse en euros courants n’a pas le même sens qu’une hausse corrigée de l’inflation. Un total national ne se compare pas directement à une moyenne par personne. Une donnée annuelle et une donnée trimestrielle ne décrivent pas la même période.

Un exemple fictif est parlant : un service passe de 100 à 120 utilisateurs. La hausse est de 20 %. S’il revient ensuite à 100, la baisse est d’environ 16,7 %, car la base de calcul est devenue 120. Les deux variations ne s’annulent pas en additionnant simplement les pourcentages.

L’outil peut expliquer ce type de différence et refaire les calculs. Pour les chiffres importants, il reste utile de vérifier indépendamment les opérations. Comprendre la base de comparaison est souvent plus décisif que mémoriser le résultat.

Mettre la conclusion à l’épreuve

Une bonne vérification ne cherche pas seulement des arguments favorables. Elle demande ce qui pourrait contredire l’affirmation, quelles informations manquent et dans quelles conditions la conclusion serait valable.

On peut ainsi demander : « Quelle objection sérieuse un spécialiste pourrait-il formuler ? » ou « Quelles données supplémentaires faudrait-il pour trancher ? ». Ces questions aident à éviter la simple confirmation d’une intuition de départ.

Il faut toutefois surveiller un autre défaut : inventer artificiellement deux camps équivalents. Toutes les affirmations ne disposent pas du même niveau de preuve. L’esprit critique consiste à évaluer cette différence, pas à attribuer automatiquement la moitié du crédit à chaque position.

Une compétence utile en études et en entreprise

Pour préparer un oral, cette méthode permet de construire une argumentation plus solide. En communication, elle aide à éviter une promesse mal étayée. En gestion, elle améliore la lecture des indicateurs. Dans la vie quotidienne, elle rend moins dépendant des messages les plus séduisants.

Le résultat peut prendre trois formes : une affirmation confirmée, une affirmation infirmée ou une question encore ouverte. Accepter la troisième possibilité est une marque de rigueur. L’IA devient alors un assistant d’enquête : elle accélère certaines étapes, tandis que l’utilisateur conserve la responsabilité de comprendre et de conclure.

Repères

  • Décomposition : séparer faits, hypothèses et jugements.
  • Source : document réel, daté et pertinent.
  • Comparaison : vérifier unités, périodes et bases de calcul.
  • Contradiction : rechercher des objections sérieuses.
  • Conclusion : proportionner sa certitude aux preuves disponibles.